Python NumPy数组的基本操作方法有哪些

这篇文章主要介绍了PythonNumPy数组的基本操作方法有哪些的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇PythonNumPy数组的基本操作方法有哪些文章都会有所收获，下面我们一起来看看吧。Numpy 中的数组是一个元素表（通常是数字），所有元素类型相同，由正整数元组索引。在 Numpy 中，数组的维数称为数组的秩。给出数组沿每个维的大小的整数元组称为数组的形状。Numpy 中的数组类称为ndarray。Numpy 数组中的元素可以使用方括号访问，并且可以使用嵌套的 P免费云主机域名ython 列表进行初始化。例子 ：输出 ：Array is of type:
No. of dimensions: 2
Shape of array: (2, 3)
Size of array: 6
Array stores elements of type: int64在 NumPy 中有多种创建数组的方法。例如，您可以使用array函数从常规 Python列表或元组创建一个数组。 结果数组的类型是从序列中元素的类型推导出来的。****通常，数组的元素最初是未知的，但它的大小是已知的。因此，NumPy 提供了几个函数来创建具有初始占位符内容的数组。这些最大限度地减少了增长阵列的必要性，这是一项昂贵的操作。
例如： np.zeros、np.ones、np.full、np.empty 等。为了创建数字序列，NumPy 提供了一个类似于 range 的函数，它返回数组而不是列表。arange： 返回给定间隔内均匀分布的值。步长是指定的。linspace： 返回给定间隔内均匀分布的值。编号_的元素被返回。重塑数组： 我们可以使用reshape方法来重塑数组。考虑一个形状为 (a1, a2, a3, …, aN) 的数组。我们可以重新整形并将其转换为另一个形状为 (b1, b2, b3, …, bM) 的数组。唯一需要的条件是：
a1 x a2 x a3 … x aN = b1 x b2 x b3 … x bM 。（即数组的原始大小保持不变。）扁平化数组： 我们可以使用扁平化方法将数组的副本折叠成一维。它接受order参数。默认值为“C”（用于行优先顺序）。使用“F”表示列主要顺序。注意： 数组的类型可以在创建数组时显式定义。输出 ：Array created using passed list:
[[ 1. 2. 4.]
[ 5. 8. 7.]]

Array created using passed tuple:
[1 3 2]

An array initialized with all zeros:
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]

An array initialized with all 6s. Array type is complex:
[[ 6.+0.j 6.+0.j 6.+0.j]
[ 6.+0.j 6.+0.j 6.+0.j]
[ 6.+0.j 6.+0.j 6.+0.j]]了解数组索引的基础知识对于分析和操作数组对象很重要。NumPy 提供了许多方法来进行数组索引。切片： 就像 python 中的列表一样，NumPy 数组可以切片。由于数组可以是多维的，因此您需要为数组的每个维度指定一个切片。整数数组索引： 在此方法中，传递列表以对每个维度进行索引。完成对应元素的一对一映射以构造一个新的任意数组。布尔数组索引： 当我们想从数组中选择满足某些条件的元素时使用此方法。输出 ：Array with first 2 rows and alternatecolumns(0 and 2):
[[-1. 0.]
[ 4. 6.]]

Elements at indices (0, 3), (1, 2), (2, 1),(3, 0):
[ 4. 6. 0. 3.]

Elements greater than 0:
[ 2. 4. 4. 6. 2.6 7. 8. 3. 4. 2. ]NumPy 提供了大量的内置算术函数。对单个数组的操作： 我们可以使用重载的算术运算符对数组进行元素操作以创建一个新数组。在 +=、-=、*= 运算符的情况下，将修改现有数组。输出 ：Adding 1 to every element: [2 3 6 4]
Subtracting 3 from each element: [-2 -1 2 0]
Multiplying each element by 10: [10 20 50 30]
Squaring each element: [ 1 4 25 9]
Doubled each element of original array: [ 2 4 10 6]

Original array:
[[1 2 3]
[3 4 5]
[9 6 0]]
Transpose of array:
[[1 3 9]
[2 4 6]
[3 5 0]]一元运算符：许多一元运算作为 ndarray类的方法提供。这包括 sum、min、max 等。这些函数也可以通过设置轴参数来逐行或逐列应用。输出 ：Largest element is: 9
Row-wise maximum elements: [6 7 9]
Column-wise minimum elements: [1 1 2]
Sum of all array elements: 38
Cumulative sum along each row:
[[ 1 6 12]
[ 4 11 13]
[ 3 4 13]]二元运算符： 这些操作适用于数组元素并创建一个新数组。您可以使用所有基本的算术运算符，如 +、-、/、等。如果是 +=、-=、 = 运算符，则会修改现有数组。输出：Array sum:
[[5 5]
[5 5]]
Array multiplication:
[[4 6]
[6 4]]
Matrix multiplication:
[[ 8 5]
[20 13]]通用函数 (ufunc)： NumPy 提供熟悉的数学函数，例如 sin、cos、exp 等。这些函数还对数组进行元素操作，生成数组作为输出。注意： 我们上面使用重载运算符所做的所有操作都可以使用 ufunc 完成，例如 np.add、np.subtract、np.multiply、np.divide、np.sum 等。输出：Sine values of array elements: [ 0.00000000e+00 1.00000000e+00 1.22464680e-16]
Exponent of array elements: [ 1. 2.71828183 7.3890561 20.08553692]
Square root of array elements: [ 0. 1. 1.41421356 1.73205081]每个 ndarray 都有一个关联的数据类型 (dtype) 对象。这个数据类型对象（dtype）告诉我们数组的布局。这意味着它为我们提供了以下信息：数据类型（整数、浮点数、Python 对象等）数据大小（字节数）数据的字节顺序（小端或大端）如果数据类型是子数组，它的形状和数据类型是什么。ndarray的值存储在缓冲区中，可以将其视为连续的内存字节块。所以这些字节将如何被解释由 dtype 对象给出。每个 Numpy 数组都是一个元素表（通常是数字），所有元素类型相同，由正整数元组索引。每个 ndarray 都有一个关联的数据类型 (dtype) 对象。此数据类型对象 (dtype) 提供有关数组布局的信息。ndarray 的值存储在缓冲区中，可以将其视为可以由 dtype 对象解释的连续内存字节块。Numpy 提供了大量可用于构造数组的数值数据类型。在创建数组时，Numpy 会尝试猜测数据类型，但构造数组的函数通常还包含一个可选参数来显式指定数据类型。输出：int16输出：Byte order is: >
Size is: 4
Name of data type is: int32关于“PythonNumPy数组的基本操作方法有哪些”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“PythonNumPy数组的基本操作方法有哪些”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注百云主机行业资讯频道。

相关推荐: Vue router/Element重复点击导航路由报错如何解决

这篇文章主要介绍“Vuerouter/Element重复点击导航路由报错如何解决”，在日常操作中，相信很多人在Vuerouter/Element重复点击导航路由报错如何解决问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Vuero…